| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-06-21 10:55 全脳ダイナミクスとしての感情：データ駆動型全脳モデル ○柳田陸斗・栗川知己（公立はこだて未来大）  NC2025-2 IBISML2025-2 |
|
| 抄録 | （和） | 感情は、人間の認知、行動の根幹をなす複雑な心理現象であり、その神経基盤の解明は現代神経科学における重要な課題である。従来の多くの研究では、感情の神経基盤は扁桃体などの局所的な領域の活性化などとして理解されることが多い。しかし近年、感情の神経情報処理は局所的ではなく、全脳の領域に広くまたがるものであることが明らかになりつつある。ただし、全脳レベルでのどのような活性化パタンが、どのような感情時で見られるかという研究にとどまっており、全脳レベルでのどのような力学系的な構造・特徴的なダイナミクスが感情の情報処理を支えているのかは、全く未解明である。本研究は、感情誘発刺激に対し、脳がどのようにダイナミックな活動パターンを生成・維持し、それがいかにして主観的な感情体験へと結びつくのか、その基本原理をリカレントニューラルネットワークによるアプローチによって明らかにすることを目的とする。 そのために本研究では、全脳レベルでの解剖学的・機能的結合強度を導入したHeterogeneous Brain Network Model (HBNM) のフレームワークと感情を誘起する視覚刺激(ビデオクリップ)下でのfunctional magnetic resonance imaging(fMRI)データを用い、感情ダイナミクスを再現するデータ駆動型全脳モデルを構築する。ここで用いるビデオクリップは各感情ごとにラベル付けがされており、それに対応してfMRIによる脳活動データも感情ごとに分類が可能となっている。ここでは、入力として、ビデオクリップを低次元化した時系列を、HBNMへ与える。そしてHBNMが各入力下において、対応するfMRIから同定されたダイナミクスの特徴量を再現するようにモデルの局所回路パラメータや領域間結合強度などのパラメータ調整を行う。 このプロセスにより、感情刺激入力に応答して多様な脳活動ダイナミクスを生成し、特定の感情体験中の脳の状態を反映したデータ駆動型全脳モデルが構築される。このモデルは、基盤的結合（すなわち解剖学的・機能的領域間結合強度）を持ちつつも、各感情状態を最もよく再現するために最適化された、状態特有の局所回路パラメータセットを持つ。 次に、構築されたデータ駆動型全脳モデルを用いて様々な感情状態がどのようにして安定的に生じるのか、その力学系的な原理を解析する。感情データによって制約されたHBNMを対象とし、局所回路パラメータである recurrent excitatory strength (wEE) とexcitatory-to-inhibitory strength (wEI)などを系統的に変化させる。このパラメータ変化によって脳活動が質的に変化する点（分岐点）を特定する。これらにより、基盤的な結合をもつネットワークモデルのひろいクラスの中で、特に同定されたHBNMがどのようにして特定の感情に対応する脳のダイナミクスを安定に維持し、また別の感情へと遷移するのか、その力学的なメカニズムの候補が明らかになる。 このように、感情情報処理でのfMRIデータの解析と、それに基づくネットワークモデルにより、神経系での感情処理機構を単にBOLD信号などの活動パタンとしてではなく、全脳レベルのダイナミクスとして理解する。 |
| （英） | Emotion is a complex psychological phenomenon fundamental to human cognition and behavior, and elucidating its neural basis is a critical challenge in modern neuroscience. While many conventional studies have often understood the neural basis of emotion in terms of the activation of localized regions, such as the amygdala, recent evidence increasingly indicates that emotional information processing is not localized but rather involves widespread, whole-brain networks. However, research has largely been limited to identifying which whole-brain activation patterns are observed during specific emotions, while the underlying dynamical system structures and characteristic dynamics at the whole-brain level that support emotional information processing remain largely unelucidated. This study aims to elucidate the fundamental principles by which the brain generates and maintains dynamic activity patterns in response to emotion-inducing stimuli, and how these patterns ultimately lead to subjective emotional experiences, using a recurrent neural network approach. To this end, we will construct a data-driven whole-brain model to reproduce emotional dynamics by employing a Heterogeneous Brain Network Model (HBNM) framework, which incorporates whole-brain anatomical and functional connectivity strengths, along with functional magnetic resonance imaging (fMRI) data acquired while subjects view emotion-inducing visual stimuli (video clips). The video clips used are labeled for distinct emotions, allowing for the corresponding fMRI brain activity data to be categorized by emotional state. Low-dimensional time series derived from the video clips will serve as input to the HBNM. The model's parameters, including local circuit parameters and inter-regional coupling strengths, will then be adjusted such that the HBNM reproduces, for each input, the dynamical features identified from the corresponding fMRI data. This process will yield a data-driven whole-brain model capable of generating diverse brain activity dynamics in response to emotional stimuli, thereby reflecting brain states during specific emotional experiences. This model possesses foundational connectivity (i.e., anatomical and functional inter-regional coupling strengths) while also featuring state-specific sets of local circuit parameters, optimized to best reproduce each emotional state. Subsequently, we will use the constructed data-driven whole-brain model to analyze the dynamical systems principles underlying the stable emergence of various emotional states. Focusing on the HBNM constrained by emotional data, we will systematically vary local circuit parameters, such as recurrent excitatory strength (wEE) and excitatory-to-inhibitory strength (wEI). This will allow us to identify points (bifurcation points) where brain activity undergoes qualitative changes due to these parameter variations. These analyses will elucidate candidate dynamical mechanisms by which the identified HBNM, within a broad class of network models possessing foundational connectivity, stably maintains brain dynamics corresponding to specific emotions and transitions to other emotional states. Thus, by integrating the analysis of fMRI data on emotional information processing with network modeling based thereon, this research aims to understand the mechanisms of emotion processing in the nervous system not merely as activity patterns (e.g., BOLD signals) but as whole-brain level dynamics. |
|
| キーワード | （和） | 感情 / 全脳 / ダイナミクス / HBNM (Heterogeneous Brain Network Model) / / / / |
| （英） | Emotion / Whole brain / Dynamics / HBNM (Heterogeneous Brain Network Model) / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 81, NC2025-2, pp. 6-7, 2025年6月. | |
| 資料番号 | NC2025-2 | |
| 発行日 | 2025-06-14 (NC, IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2025-2 IBISML2025-2 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2025-06-21 - 2025-06-23 |
| 開催地（和） | 琉球大学 |
| 開催地（英） | Univ. Ryukyus |
| テーマ（和） | 機械学習、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2025-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | 全脳ダイナミクスとしての感情：データ駆動型全脳モデル |
| サブタイトル（和） | |
| タイトル（英） | Emotion as whole Brain Dynamics: Approach by Data-Driven Whole-Brain Models |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 感情 / Emotion |
| キーワード(2)（和/英） | 全脳 / Whole brain |
| キーワード(3)（和/英） | ダイナミクス / Dynamics |
| キーワード(4)（和/英） | HBNM (Heterogeneous Brain Network Model) / HBNM (Heterogeneous Brain Network Model) |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 柳田 陸斗 / Rikuto Yanagida / ヤナギダ リクト |
| 第1著者 所属（和/英） | 公立はこだて未来大学 (略称： 公立はこだて未来大) Future University Hakodate (略称： FUN) |
| 第2著者 氏名（和/英/ヨミ） | 栗川 知己 / Tomoki Kurikawa / クリカワ トモキ |
| 第2著者 所属（和/英） | 公立はこだて未来大学 (略称： 公立はこだて未来大) Future University Hakodate (略称： FUN) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-06-21 10:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2025-2, IBISML2025-2 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.81(NC), no.82(IBISML) |
| ページ範囲 | pp.6-7 |
| ページ数 | 2 |
| 発行日 | 2025-06-14 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]